Отправьте статью сегодня! Журнал выйдет ..., печатный экземпляр отправим ...
Опубликовать статью

Молодой учёный

Цифровые инструменты прокурорского надзора в сфере противодействия коррупции: опыт Белгородской области

Научный руководитель
05.11.2026
18
Поделиться
Аннотация
Статья исследует возможности и пределы цифровых инструментов, включая ИИ, в прокурорском надзоре за противодействием коррупции на примере Белгородской области. Анализируются правовые основы ГИС «Посейдон», требования Федерального закона от 26.07.2026 № 243-ФЗ и Приказа ФСТЭК России от 11.04.2025 № 117, а также проблема выявления личной заинтересованности за формально нейтральными связями. Обосновывается, что цифровая аналитика выявляет коррупционные риски, но не заменяет установление юридически значимых обстоятельств. С учётом позиций Конституционного Суда РФ и Верховного Суда РФ предложены меры по развитию риск-ориентированной модели надзора и подготовке кадров.
Библиографическое описание
Крылова, Д. С. Цифровые инструменты прокурорского надзора в сфере противодействия коррупции: опыт Белгородской области / Д. С. Крылова. — Текст : непосредственный // Молодой ученый. — 2026. — № 45 (648). — С. 326-332. — URL: https://moluch.ru/archive/648/141822.


Цифровая трансформация антикоррупционного контроля в настоящее время сопровождается активным внедрением технологий искусственного интеллекта в практику правоохранительных и надзорных органов.

Генеральной прокуратурой РФ при утверждении ведомственного плана внедрения технологий искусственного интеллекта подчёркивалось, что итоговые решения по вопросам надзора должны оставаться за человеком за человеком [1].

Фундаментом цифровизации в антикоррупционном контроле сегодня выступает государственная информационная система (ГИС) в области противодействия коррупции «Посейдон». Согласно Положению о данной системе, она предназначена для информационно-аналитического обеспечения деятельности по профилактике коррупционных и иных правонарушений, включая сбор, хранение и анализ информации, а также проведение проверок с использованием информационно-коммуникационных технологий в целях контроля соблюдения установленных ограничений и запретов. В состав этой системы входят: центральный программно-аппаратный комплекс, комплекс многоцелевого назначения «Посейдон-Р» и специальное программное обеспечение «Справки БК» [2].

С 1 января 2026 г. обновленное нормативное регулирование ГИС «Посейдон» создало дополнительные правовые и технологические предпосылки для перехода к непрерывному автоматизированному мониторингу антикоррупционных сведений (при сохранении института декларирования) [3]. Одновременно расширился круг источников информации для проведения проверок.

Так, Указ Президента РФ от 06.10.2025 № 709 расширил возможности получения сведений о ценных бумагах при проведении антикоррупционных проверок [4].

Цифровизация контроля в сфере противодействия коррупции имеет важное значение для надзорной деятельности органов прокуратуры. Цифровые инструменты следует рассматривать, на наш взгляд, не как самостоятельную форму надзорной деятельности, а как информационное средство реализации прокурорских полномочий.

В частности, в настоящее время активно исследуются перспективы формирования сводных электронных досье (цифровых образов) государственных и муниципальных служащих для автоматизированного выявления коррупционных рисков; при этом внимание исследователей сосредоточено на материально-правовых и процессуальных гарантиях прав субъектов: правовой определённости при обработке персональных данных, соблюдении режима конфиденциальности и защите прав лиц, являющихся объектами сквозного автоматизированного контроля [5]. Однако при использовании цифровых инструментов на первый план выходит проблема выявления фактов сокрытия личной заинтересованности, когда официально представленные сведения не отражают реальные связи между должностным лицом и третьими лицами.

Целью нашего исследования является выявление юридических и организационных пределов использования цифровых инструментов при прокурорском надзоре за исполнением законодательства о противодействии коррупции, а также выработка предложений по совершенствованию механизмов выявления скрытой личной заинтересованности и минимизации связанных с ней коррупционных рисков. При этом в нашей работе цифровые инструменты рассматриваются шире.

Нормативным фундаментом здесь выступают положения статей 10 и 11 Федерального закона от 25.12.2008 № 273-ФЗ «О противодействии коррупции» (далее — Федеральный закон № 273-ФЗ). Законодатель определяет конфликт интересов как ситуацию, при которой личная заинтересованность, прямая или косвенная, влияет или может повлиять на надлежащее, объективное и беспристрастное исполнение должностных обязанностей.

Одновременно лицо, на которое распространяются соответствующие обязанности, должно принимать меры по недопущению возникновения конфликта интересов и уведомлять об уже возникшем либо возможном конфликте.

Законодательная конструкция конфликта интересов имеет выраженный превентивный характер. Юридическое значение приобретает не только реализованная имущественная выгода, но и возможность влияния личного интереса на объективность принятия решений. Для цифрового контроля это обстоятельство является принципиальным, поскольку он позволяет выявлять индикаторы риска, а не только уже совершенное нарушение.

Автоматический сигнал цифровой системы и юридически установленный конфликт интересов не являются тождественными понятиями. Обнаружение алгоритмами совпадения персональных данных, совместного владения имуществом или деловых связей может быть лишь поводом для проведения проверки, но само по себе не доказывает наличие личной заинтересованности (в смысле положений Федерального закона № 273-ФЗ).

Термин «скрытая аффилированность» не закреплён в Федеральном законе № 273-ФЗ как самостоятельное понятие, но используется в научной литературе для описания ситуаций, когда формальные связи между людьми отсутствуют либо не позволяют увидеть, кто в действительности влияет на принятие решений.

Так, А. М. Цирин и С. Н. Матулис рассматривают проблему скрытой аффилированности применительно к выявлению конфликта интересов и обращают внимание на необходимость совершенствования правового механизма раскрытия частных интересов должностных лиц [6].

О. С. Соколова исследует скрытую аффилированность именно как инструмент диагностики конфликта интересов, одновременно расширяя круг фактических отношений, которые могут иметь юридическое значение [7].

В нашем исследовании термин «скрытая аффилированность» используется как доктринальная категория, а не как самостоятельная юридическая конструкция. Для юридической квалификации конфликта интересов в любом случае необходима совокупность обстоятельств, указанных в законе.

Важно отметить, что современная цифровая аналитика создает предпосылки для перехода от анализа отдельных документов к формированию совокупного информационного профиля проверяемого лица. Под цифровым профилем понимается объединённый из различных государственных информационных систем массив сведений о лице — его доходах, имуществе, деловых, служебных и родственных связях, — используемый для выявления индикаторов коррупционного риска; иными словами, цифровой профиль можно назвать «электронным досье».

С. Е. Чаннов связывает такой подход с возможностью выявления коррупционных рисков на основании сопоставления сведений из различных государственных информационных систем [5]. Формирование электронного досье напрямую связано со сбором конфиденциальных сведений, определением целей их использования и организацией межведомственного обмена информацией. В связи с этим повышение эффективности цифрового анализа должно сопровождаться правовой определённостью всех применяемых при этом анализе процедур и защитой прав проверяемых лиц.

Правовое регулирование системы предусматривает её использование для сбора, учета, хранения и анализа информации, а также для проведения проверок соблюдения антикоррупционных ограничений и требований. Поэтому сводить функцию системы исключительно к автоматизированной проверке деклараций было бы неверно.

Развитие регулирования в 2025–2026 гг. подтверждает дальнейшее расширение информационного взаимодействия. Одновременно возрастающая роль ведомственных ИИ-моделей в аналитическом обеспечении подобных систем сопровождается ужесточением требований к защите информации: с 1 марта 2026 г. вступил в силу Приказ Федеральной службы по техническому и экспортному контролю (ФСТЭК России) от 11.04.2025 № 117 «Об утверждении Требований о защите информации, содержащейся в государственных информационных системах, иных информационных системах государственных органов, государственных унитарных предприятий, государственных учреждений» [8]. Этим приказом утверждены требования к защите информации в государственных ИИ-системах. Из-за режима конфиденциальности устройство таких программ не раскрывается, поэтому судить о них можно лишь по практическим результатам цифрового анализа.

Эмпирическую основу нашего исследования составили данные ведомственной отчётности и региональных докладов о противодействии коррупции за 2023–2025 гг., собранные автором в период производственной практики в Прокуратуре Белгородского района Белгородской области и сверенные с официальными публикациями Губернатора и Правительства Белгородской области. Нами использованы только обобщённые, деперсонифицированные показатели, которые рассматриваются лишь как иллюстрация объемов антикоррупционной работы.

Анализ статистических данных о противодействии коррупции в Белгородской области за 2023–2025 гг. позволяет оценить общий масштаб контрольной деятельности. По данным о ходе реализации мер по противодействию коррупции в Белгородской области, в 2023 г. было проверено 3 896 деклараций, выявлено 20 нарушений, к дисциплинарной ответственности привлечено 56 лиц, в связи с утратой доверия уволен 1 человек. В 2024 г. проверено 4 111 деклараций, выявлено 70 нарушений, к дисциплинарной ответственности привлечено 79 лиц, уволенных в связи с утратой доверия — не было. В 2025 г. проверено 3 987 деклараций, выявлено 42 нарушения, к дисциплинарной ответственности привлечено 67 лиц, в связи с утратой доверия уволен 1 человек [9].

Исходные статистические материалы свидетельствуют о разнонаправленной динамике в рассматриваемый период. Важно подчеркнуть, что эти сведения не позволяют напрямую выделить эффект от применения ГИС «Посейдон».

Всплеск выявленных нарушений в 2024 г. с их последующим снижением в 2025 г. ещё не говорит о том, что контроль стал хуже или лучше. За этими колебаниями могут стоять такие факторы, как расширение круга проверяемых лиц, смена акцентов в ходе проверок или изменение характера самих сведений. Приведённые данные не позволяют установить причины динамики, поскольку для этого необходим анализ структуры нарушений, а также конкретных способов, которыми их выявили.

Превышение числа привлеченных к дисциплинарной ответственности лиц над числом выявленных нарушений также не свидетельствует о несоответствии в статистике. Указанные показатели отражают разные вещи: нарушения могут учитываться по составам и эпизодам, тогда как дисциплинарная ответственность применяется к конкретным лицам и может быть обусловлена различными нарушениями установленных ограничений, запретов и обязанностей. Эта статистика подводит нас к важному выводу: сами по себе компьютерные программы не могут полностью ликвидировать скрытую коррупцию. Чтобы оценить реальную пользу от цифровизации, нужно научиться отделять технические результаты работы ИИ-систем от общих показателей антикоррупционного контроля.

Именно поэтому важно учитывать региональную специфику рисков. В экономике Белгородской области ключевые ресурсы сосредоточены в агропромышленном и металлургическом комплексах, а также в сфере госзакупок. Здесь распределяются значительные бюджетные и публичные средства, что делает эти направления наиболее значимыми для анализа коррупционных рисков.

Применительно к госзакупкам аналитика последних лет фиксирует активное внедрение алгоритмических инструментов проверки тендерной документации, ориентированных на выявление признаков картельных сговоров и «серых» схем взаимодействия между заказчиком и поставщиками [10]. Однако само по себе наличие отраслевой концентрации не свидетельствует о существовании конкретного конфликта интересов: юридически значимым становится установление индивидуальной связи между полномочиями должностного лица и частным интересом другого лица — родственника, бывшего делового партнера, работодателя или иной организации. Типичная ситуация риска может возникать, например, когда родственник или иное лицо, с которым связана личная заинтересованность государственного служащего, получает выгоду от организации, в отношении которой служащий осуществляет отдельные функции государственного управления.

Такой подход соответствует типовым ситуациям конфликта интересов, разработанным Минюстом России, где прямо рассматриваются отношения с родственниками и иными лицами, выполняющими оплачиваемую работу в организации, в отношении которой служащий осуществляет управленческие функции [11]. Цифровую аналитику целесообразно ориентировать не только на совпадение фамилий или иных идентификаторов, но и на установление совокупности связанных обстоятельств — характера отношений между разными лицами, структуры собственности, содержания управленческих полномочий, участия в кадровых или имущественных решениях и возможного получения выгоды.

Особое значение для определения круга фактических обстоятельств имеет судебная практика. Постановлением Конституционного Суда РФ от 26.12.2025 № 51-П уточнены условия квалификации личной заинтересованности депутата представительного органа, в том числе осуществляющего полномочия на непостоянной основе: получение доходов, преимуществ или выгод неопределённой группой лиц, в которую входит сам депутат либо родственные или аффилированные с ним лица, по общему правилу не квалифицируется как личная заинтересованность, за исключением случаев, когда депутат является единственным или преобладающим выгодоприобретателем принимаемого решения либо круг таких выгодоприобретателей ограничен этим решением [12]. Эта правовая позиция не позволяет признавать наличие конфликта интересов исключительно на основании формального совпадения признаков связанности лиц и требует установления юридически значимых обстоятельств конкретной ситуации.

Анализ пункта 5 Тематического обзора Верховного Суда РФ от 01.07.2026 № 14/2026 показал, что круг лиц, взаимодействие которых с государственным служащим может повлечь возникновение конфликта интересов, не ограничивается только лицами, находящимися с ним в близком родстве или свойстве. В качестве примера приведена ситуация с двоюродными братом и сестрой, в отношении которых должностное лицо осуществляло действия по продвижению по службе.

Верховный Суд РФ особо отметил, что личная заинтересованность может быть связана не только с семейными отношениями, но и с карьеризмом, семейственностью, содействием в трудоустройстве и иным покровительством по службе [13]. Эта позиция имеет непосредственное значение для цифровой аналитики — ИИ-алгоритм целесообразно ориентировать на выявление не только формально определённой категории родства, но и совокупности косвенных индикаторов для их последующей правовой оценки.

Этот вывод подтверждается и региональной практикой. Так, в Старом Осколе директор зоопарка сдавал в аренду транспорт, принадлежавший ему и сотруднику, не уведомив о конфликте интересов. Прокуратура добилась его увольнения в связи с утратой доверия, однако окончательное решение было принято только после пересмотра дела в кассационной инстанции [14]. Ещё более масштабный пример — дело о строительстве фортификационных сооружений в Белгородской области, где выявление скрытых коррупционных связей привело к предъявлению требований о взыскании в доход государства почти 1 млрд рублей [15]. Оба случая показывают, что цифровые данные или результаты проверки — лишь основа, подлежащая последующей правовой оценке.

Как верно отмечает С. Е. Чаннов, требуется учитывать правовой режим персональных данных, объем полномочий органа, осуществляющего проверку, цели использования информации и законность её получения [5].

Расширение возможностей цифрового контроля тесно связано с вопросом о том, на каких условиях органы прокуратуры и иные субъекты противодействия коррупции вправе обучать ведомственные нейросети на закрытых массивах персональных и служебных данных.

С 1 сентября 2026 г. введен в действие Федеральный закон от 26.07.2026 № 243-ФЗ «О поддержке развития технологий искусственного интеллекта в Российской Федерации», регулирующий отношения в сфере разработки, внедрения и применения больших фундаментальных моделей искусственного интеллекта. Закон вводит категории суверенных и национальных больших фундаментальных моделей и предусматривает полномочия Правительства РФ по определению случаев, в которых допускается применение исключительно таких моделей. При этом отдельные положения закона, в том числе основные требования к суверенным и национальным большим фундаментальным моделям, вступят в силу лишь с 1 марта 2027 г. Поэтому применительно к ведомственным антикоррупционным системам необходимо разграничивать уже действующие положения Закона № 243-ФЗ и нормативные требования, применение которых начнется позднее.

В отношении государственных информационных систем, оперирующих сведениями ограниченного доступа, — включая ГИС «Посейдон», — данное регулирование образует нормативные рамки, в пределах которых допустимо обучение ведомственных моделей на закрытых базах данных.

Указанные рамки уже сегодня дополняются требованиями пунктов 60 и 61 Приказа ФСТЭК России № 117. Согласно данным нормам, при обработке защищаемой информации в государственных системах исключается передача такой информации разработчику модели искусственного интеллекта, в том числе в целях улучшения её функционирования. Это ограничивает применение внешних облачных ИИ-сервисов для работы с информацией ограниченного доступа, поскольку при их использовании данные выходят за пределы доверенного контура. Применение же ИИ-технологий в изолированном цифровом контуре либо в режиме информационного ассистента («советника») требует обязательной верификации формируемых ссылок на правовые акты по официальным справочно-правовым системам [8].

Политика импортозамещения ограничивает при этом применение зарубежного облачного программного обеспечения в государственном секторе, а загрузка служебной информации о ходе проверок в публичные версии зарубежных нейросетей должна исключаться ввиду риска её использования для обучения сторонних моделей либо компрометации этой информации. Совокупность этих требований определяет архитектуру ведомственных решений в сфере антикоррупционного анализа — они должны строиться на базе суверенных или национальных моделей, эксплуатируемых в защищенном контуре, с обязательной юридической верификацией результатов. Вместе с тем Закон № 243-ФЗ предоставляет Правительству РФ устанавливать случаи, когда допускается применение исключительно суверенных и (или) национальных ИИ-моделей.

Современные научные исследования рассматривают цифровые технологии и искусственный интеллект как весьма перспективное средство профилактики коррупции. Так, С. С. Попова и А. И. Николаев, обобщая результаты научных исследований в данной области, выделяют три классические стадии, к которым применимы возможности алгоритмов и нейросетей, — профилактику коррупции, непосредственную борьбу с ней и минимизацию последствий коррупционных проявлений. Исследователи отмечают, что основное преимущество ИИ-систем заключается в возможности автоматизированной обработки больших объемов структурированных и неструктурированных данных (сведений о доходах, расходах, родственных связях и имуществе должностных лиц) со снижением влияния человеческого фактора [16].

Е. А. Артеменко и А. М. Цирин обосновывают возможность развития цифровых инструментов и их взаимодействия с ГИС «Посейдон» [17].

К. Р. Петров анализирует перспективы использования нейросетевых технологий непосредственно в деятельности органов прокуратуры по надзору за исполнением законодательства о контрактной системе [18].

Вместе с тем используемое порой в научной литературе выражение «цифровой прокурор» требует осторожного употребления, поскольку может создавать представление об автономном принятии юридически значимых решений.

Необходимо определить также единые правила оформления результатов автоматизированного анализа: в документе прокурорского реагирования должен отражаться не только исходный цифровой индикатор, но и сведения, подтверждающие его содержание и юридическую значимость. Нужна подготовка прокурорских работников по вопросам анализа корпоративных и имущественных связей, цифровой аналитики и особенностей обработки информации в государственных информационных системах, включая новые требования к защите информации при использовании ИИ-систем. И наконец, необходимо развивать риск-ориентированную модель планирования проверок — алгоритмический анализ должен использоваться для определения зон риска, а не для автоматического установления виновности конкретного лица.

Внедрение искусственного интеллекта в государственное управление должно актуализировать разработку методологии правовой оценки его результатов и определение пределов использования цифровых инструментов в надзорной практике [19].

В этой связи более продуктивным представляется переход от постановки вопроса «может ли искусственный интеллект доказать конфликт интересов?» — к вопросу «каким образом цифровой инструмент должен помогать прокурору обнаружить совокупность обстоятельств, требующих юридической проверки?». Практически такой алгоритм может включать четыре последовательных этапа: идентификацию лиц, связанных с проверяемым субъектом; выявление имущественных, корпоративных, трудовых и иных пересечений; сопоставление выявленных связей с содержанием публичных полномочий; последующую правовую оценку конкретной ситуации.

Думается, что целесообразно сосредоточить усилия не на легализации коммерческих сервисов («Маркер», «X-Compliance», «СПАРК-Интерфакс» и их аналогов) как самостоятельных источников информации, а на создании единого регламента применения цифровых индикаторов в надзорной практике.

Прежде всего, необходимы ведомственные методические рекомендации, устанавливающие перечень анализируемых связей и порядок их проверки при выявлении скрытой личной заинтересованности. Данная задача вполне согласуется с концепцией неизбежного внедрения цифровых помощников в информационно-аналитическую сферу органов прокуратуры [20]. Таким образом, предлагаемая модель предполагает последовательное разграничение трех функционально и юридически различных стадий:

а) выявление цифрового индикатора риска;

б) установление фактических обстоятельств;

в) юридическая квалификация выявленной ситуации.

Аналитическая ИИ-система способна существенно повысить эффективность на первой стадии, однако вторая и третья стадии требуют получения и оценки юридически значимых сведений в установленном порядке. Такой подход полностью соответствует современному пониманию конфликта интересов. Он охватывает не только случаи явного получения выгоды, но и саму возможность влияния личной заинтересованности на объективность решений должностного лица. При этом новейшая судебная практика Верховного Суда РФ прямо подтверждает, что перечень лиц и обстоятельств, способных породить подобный конфликт, не является исчерпывающим.

Опыт Белгородской области наглядно показывает, что региональная статистика отражает лишь общие масштабы антикоррупционной работы, но не может служить прямым критерием эффективности конкретной цифровой системы. Обзор и изучение данных выделили необходимость перехода к более детализированной статистике, позволяющей выделять характер нарушений, способы их обнаружения и роль цифровых инструментов в их выявлении. Этот вывод согласуется с новейшими теоретико-правовыми исследованиями реформы института декларирования в связи с внедрением ГИС «Посейдон» [21].

В этих условиях приоритетным направлением совершенствования прокурорского надзора становится формирование риск-ориентированной модели работы с цифровыми данными. Её элементами должны стать разработка ведомственной методики выявления потенциальных скрытых связей, определение порядка использования цифровых индикаторов при планировании проверок в условиях действующих требований к суверенным моделям ИИ и защите информации, обучение прокурорских работников методам анализа информационных данных, а также закрепление требований к проверке и документированию результатов автоматизированного анализа.

Проведённое исследование позволяет заключить, что цифровизация антикоррупционного контроля не должна рассматриваться как механическая замена традиционных методов верификации. Эффективность цифровой трансформации определяется не объёмом автоматизации, а способностью соединить технологическое выявление рисков — в правовых рамках, установленных законодательством об отечественных ИИ-моделях и требованиями к защите информации, — с надлежащей правовой квалификацией, процессуальными гарантиями и профессиональной оценкой конкретных обстоятельств.

Литература:

  1. Прокуроры будут использовать искусственный интеллект // Парламентская газета. 2024. 24 апр.
  2. Указ Президента РФ от 25.04.2022 № 232 «О государственной информационной системе в области противодействия коррупции «Посейдон» и внесении изменений в некоторые акты Президента Российской Федерации».
  3. Указ Президента РФ от 31.12.2025 № 1009 «Об изменении и признании утратившими силу некоторых актов Президента Российской Федерации».
  4. Указ Президента РФ от 06.10.2025 № 709 «О дополнительных мерах по противодействию коррупции».
  5. Чаннов С. Е. Некоторые вопросы анализа цифровых профилей государственных и муниципальных служащих в целях противодействия коррупции // Вопросы трудового права. 2025. № 5. С. 274–278.
  6. Цирин А. М., Матулис С. Н. Понятие скрытой аффилированности и способы её выявления // Журнал российского права. 2020. № 2. С. 164–174.
  7. Соколова О. С. Скрытая аффилированность как инструмент диагностики конфликта интересов в сфере противодействия коррупции // Современное право. 2019. № 9. С. 35–39.
  8. Приказ Федеральной службы по техническому и экспортному контролю от 11.04.2025 № 117 «Об утверждении Требований о защите информации, содержащейся в государственных информационных системах, иных информационных системах государственных органов, государственных унитарных предприятий, государственных учреждений».
  9. Сведения о ходе реализации мер по противодействию коррупции за 2023, 2024 и 2025 годы // Губернатор и Правительство Белгородской области: сайт. URL: https://www.belregion.ru/activity/anti_corruption/stat.php
  10. Анализ тендеров с ИИ: как нейросети меняют правила игры в госзакупках. Обзор инструментов, пошаговые алгоритмы, риски и прогнозы для госзакупок 2026 // Tenvizor. 22.08.2026. URL: https://tenvizor.ru/analiz-tenderov-ii-goszakupki
  11. Обзор типовых ситуаций конфликта интересов на государственной службе РФ и порядка их урегулирования // Министерство юстиции РФ: сайт. URL: https://minjust.gov.ru/ru/pages/protivodejstvie-korrupcii/obzor-tipovyh-situacij/
  12. Постановление Конституционного Суда РФ от 26.12.2025 № 51-П «По делу о проверке конституционности статьи 10, частей 1, 2, 4–6 статьи 11, части 4¹ статьи 12¹ и пункта 1 части 1 статьи 13¹ Федерального закона «О противодействии коррупции»... в связи с запросом Законодательного Собрания Челябинской области» // Российская газета. 2026. 16 янв.
  13. Тематический обзор Верховного Суда РФ № 14/2026 «О рассмотрении судами дел, связанных с применением законодательства о противодействии коррупции и обращением в доход Российской Федерации имущества, приобретённого в результате нарушения требований и запретов, направленных на предотвращение коррупции» (утв. Постановлением Президиума Верховного Суда РФ от 01.07.2026 № 16А/2026) // СПС «КонсультантПлюс». URL: https://www.consultant.ru/document/cons_doc_LAW_538554
  14. Директора Старооскольского зоопарка уволили за сдачу своей машины в аренду муниципалитету // Информационный портал Старого Оскола. (06.12.2024). URL: https://oskol.city/news/incidents/97421/
  15. Бывшие вице-губернаторы Белгородской области осуждены на 20 и 19 лет за хищения // Интерфакс. (29.07.2026). URL: https://www.interfax.ru/russia/1106412
  16. Попова С. С., Николаев А. И. Перспективы применения технологий искусственного интеллекта в повышении эффективности противодействия коррупции // Евразийский юридический журнал. 2026. № 5. С. 263–268.
  17. Артеменко Е. А., Цирин А. М. Цифровые технологии и искусственный интеллект как средства профилактики проявлений коррупции в контрольной (надзорной) деятельности: отечественный и зарубежный опыт // Журнал российского права. 2023. Т. 27, № 3. С. 126–142.
  18. Петров К. Р. Перспективы применения технологий искусственного интеллекта с использованием нейросетей в деятельности органов прокуратуры по осуществлению надзора за исполнением законов о контрактной системе // Вестник Университета прокуратуры РФ. 2025. № 6. С. 197–208.
  19. Абакумова Е. Б. Перспективность применения цифровых технологий и инструментов искусственного интеллекта в государственно-правовом противодействии коррупции // Образование и право. 2026. № 1. С. 680–687.
  20. Хатов Э. Б. Цифровой помощник или цифровой прокурор? // Российский журнал правовых исследований. 2023. Т. 10, № 1. С. 87–92.
  21. Клюковская И. Н., Борисова О. В. Цифровая трансформация антикоррупционного контроля: теоретико-правовой анализ внедрения ГИС «Посейдон» и реформы института декларирования // Гуманитарные и юридические исследования. 2026. Т. 13, № 2. С. 322–326.
Можно быстро и просто опубликовать свою научную статью в журнале «Молодой Ученый». Сразу предоставляем препринт и справку о публикации.
Опубликовать статью
Молодой учёный №45 (648) ноябрь 2026 г.
Скачать часть журнала с этой статьей(стр. 326-332):
Часть 5 (стр. 279-351)
Расположение в файле:
стр. 279стр. 326-332стр. 351
Похожие статьи
Антикоррупционная деятельность в системе государственного управления: современные научные и цифровые подходы
Информационное самоопределение личности и антикоррупционный контроль: поиск конституционного баланса
Обеспечение баланса публичных и частных интересов в риск-ориентированном подходе в условиях цифровизации
Антикоррупционная политика российского государства, особенности её реализации в условиях современной России
Цифровизация как инструмент предотвращения коррупции в судах Российской Федерации
Цифровизация в контексте противодействия коррупции: дуализм превентивных возможностей и новых форм правонарушений
Антикоррупционная деятельность в системе государственного управления: современные научные и цифровые подходы
Применение цифровой криминалистики в расследовании коррупционных преступлений
Новые формы злоупотребления должностными полномочиями в цифровой среде
Прокурорская деятельность в условиях цифровизации

Молодой учёный